Как устроен проект машинного обучения?
Какие в нём есть этапы и в каком порядке они выполняются?
Из чего эти этапы состоят?
Ответы на эти вопросы вы найдете в этом видео.
Курсы на платформе Stepik:
1. Библиотеки Python для Data Science stepik.org/a/129105
2. Введение в нейронные сети (Keras/Tensorflow) stepik.org/a/127274
0:00 Введение
0:15 Задача на сегодня - классификация объектов для беспилотника
0:33 Определение бизнес проблемы
0:51 Есть ли проблема?
1:05 Нужно ли машинное обучение в задаче?
1:23 Перевод задачи на языку машинного обучения
1:35 Что предсказываем? Какое целевое значение?
1:47 Какие нужны данные для обучения модели?
2:19 Выбор подходящих метрик
2:38 Метрика машинного обучения
3:06 Метрика для бизнеса
3:32 Получение данных
3:40 Данные от заказчика (таблицы, БД, S3)
3:50 Самостоятельный поиск данных (скачивание, парсинг, скрапинг, вручную)
4:05 Анализ данных
4:36 Распределение целевого признака
4:52 Соответствие разметки данным
5:17 Изучение датасета
5:29 Предобработка данных
5:35 Предобработка данных для задач с табличными данными
5:44 Предобработка данных для задач с изображениями
6:06 Обучение модели
6:12 Подбор модели
6:27 Подбор оптимальных параметров модели
6:35 Оценка качества модели
7:09 Разбиение данных для оценка качества работы модели
7:38 Пример выбора самой лучшей модели машинного обучения
8:25 Внедрение модели в production
8:49 Куда можно положить модель машинного обучения?
8:54 Мобильное приложение
8:59 Рядом со всей системой распознавания
9:19 Улучшение/Поддержка модели машинного обучения
9:33 Переобучение модели
9:42 Деградация модели машинного обучения со временем
9:55 Дообучение модели
10:05 Расширение классов для задачи
10:54 Резюме
Ссылки на использованные изображения в документе: docs.google.com/document/d/1m...
1 июл 2024
